深度分析
TALE：結合搜尋工具的 LLM 無參考評估方法與性能分析
隨著大型語言模型廣泛應用，傳統參考答案評估成本高且難以因應變動事實。研究提出TALE框架，讓模型透過工具自動搜尋、彙整外部證據來驗證回應。實驗顯示其在自由問答基準上與人類評分高度一致，提升評估可靠性。此方法減少對模型內部知識的依賴，並能即時因應快速變化的資訊，預示評估流程將向自動化與證據導向轉型。
深度分析
隨著大型語言模型廣泛應用，傳統參考答案評估成本高且難以因應變動事實。研究提出TALE框架，讓模型透過工具自動搜尋、彙整外部證據來驗證回應。實驗顯示其在自由問答基準上與人類評分高度一致，提升評估可靠性。此方法減少對模型內部知識的依賴，並能即時因應快速變化的資訊，預示評估流程將向自動化與證據導向轉型。
深度分析
本研究探討以任務感知層級剪枝改善模型在分佈偏移下的表現。作者在可控回歸實驗與大型語言模型上觀察到，OOD 輸入會改變層級表示的範數與成對距離，某些層會放大這些失真。移除被選中的層能使 OOD 表徵向訓練時的幾何靠攏，從而提升 OOD 準確度。結果在多數移位基準上可觀察到穩定改善。